【科技评论】MIT《技术评论》历年“十大技术突破”述评（二）
更多关于“MIT《技术评论》”的文章，请点击查阅：
【科技评论】《MIT科技评论》评选出2015年10大新兴技术
MIT《技术评论》历年“十大技术突破”述评
贺飞
（北京大学，北京100871）
1 前言
相关内容参阅
【科技评论】MIT《技术评论》历年“十大技术突破”述评（一）
2 历年发布的十大新兴技术汇总分析
2.1 信息技术
在《技术评论》所选定的十大新兴技术中，信息技术占有66席，总数过半且几乎每年都达到或超过半数，呈现出蓬勃发展态势，实时交互、节能、高效能、安全等成为热点（表2）。这些技术突破涵盖了新器件和新工艺、计算机软件技术、自动控制与人工智能、网络技术和网络安全、通信技术、智能电网以及数字成像和可穿戴设备等诸多方面，并逐渐渗透到能源、电力、制造、医疗和生物技术等其他领域。
表2 历年发布的十大新兴技术中的信息技术汇总
年份 | 名称 | 学科 |
2001 | 柔性晶体管（Flexible Transistors） | 新器件和新工艺 |
2005 | 硅光子学（Silicon Photonics） | 新器件和新工艺 |
2005 | 万用记忆体（Universal Memory） | 新器件和新工艺 |
2008 | 概率芯片（Probabilistic Chips） | 新器件和新工艺 |
2008 | 无线电源（Wireless Power） | 新器件和新工艺 |
2009 | 赛道内存（Racetrack Memory） | 新器件和新工艺 |
2012 | 3-D晶体管（3-D Transistors） | 新器件和新工艺 |
2001 | 数据挖掘（Data Mining） | 计算机软件 |
2001 | 数字权利管理（Digital Rights Management） | 计算机软件 |
2001 | 自然语言处理(Natural Language Processing) | 计算机软件 |
2001 | 解开程序代码（Untangling Code） | 计算机软件 |
2003 | 软件可信性（Software Assurance） | 计算机软件 |
2004 | 万能翻译（Universal Translation） | 计算机软件 |
2008 | 突发事件建模（Modeling Surprise） | 计算机软件 |
2008 | 离线Web应用（Offline Web Applications） | 计算机软件 |
2008 | 现实挖掘（Reality Mining） | 计算机软件 |
2009 | 智能软件助理（Intelligent Software Assistant） | 计算机软件 |
2010 | 实时搜索（Real-Time Search） | 计算机软件 |
2010 | 云编程（Cloud Programming） | 计算机软件 |
2011 | 手势界面（Gestural Interfaces） | 计算机软件 |
2011 | 云端流媒体（Cloud Streaming） | 计算机软件 |
2011 | 防崩溃代码（Crash-Proof Code） | 计算机软件 |
2014 | 移动协同办公软件（Mobile Collaboration） | 计算机软件 |
2015 | 3D虚拟现实（Magic Leap） | 计算机软件 |
2015 | Apple Pay移动支付(Apple Pay) | 计算机软件 |
2001 | 机器人设计（Robot Design） | 自动控制与人工智能 |
2004 | 贝叶斯机器学习（Bayesian Machine Learning） | 自动控制与人工智能 |
2005 | 生物机电一体化(Biomechatronics) | 自动控制与人工智能 |
2009 | 生物机器（Biological Machines） | 自动控制与人工智能 |
2013 | 记忆植入（Memory Implants） | 自动控制与人工智能 |
2013 | 深度学习（Deep Learning） | 自动控制与人工智能 |
2014 | 神经形态芯片（Neuromorphic Chips） | 自动控制与人工智能 |
2001 | 微光子学（Microphotonics） | 网络技术 |
2003 | 无线传感器网络（Wireless Sensor Networks） | 网络技术 |
2003 | 网格计算（Grid Computing） | 网络技术 |
2004 | 分布式存储（Distributed Storage） | 网络技术 |
2004 | 微流光导纤维（Microfluidic Optical Fibers） | 网络技术 |
2005 | 空管网络（Airborne Networks） | 网络技术 |
2007 | 对等网络技术（Peering into Video's Future） | 网络技术 |
2009 | 哈希（Hash）缓存（HashCache） | 网络技术 |
2009 | 软件定义网络（Software-Defined Networking） | 网络技术 |
2011 | 社会索引（Social Indexing） | 网络技术 |
2012 | “脸书”的时间轴（Facebook's Timeline） | 网络技术 |
2013 | 临时社交媒体（Temporary Social Media） | 网络技术 |
2015 | 谷歌Project Loon（Project Loon） | 网络技术 |
2001 | 生物特征识别技术（Biometrics） | 网络安全 |
2003 | 量子密码（Quantum Cryptography） | 网络安全 |
2006 | 通用身份认证技术（Universal Authentication） | 网络安全 |
2011 | 同态加密（Homomorphic Encryption） | 网络安全 |
2014 | 超私密智能手机（Ultraprivate Smartphones） | 网络安全 |
2004 | 太赫兹技术（T-Rays） | 通信技术 |
2005 | 手机病毒（Cell-Phone Viruses） | 通信技术 |
2006 | 泛在无线技术（Pervasive Wireless） | 通信技术 |
2006 | 认知无线电（Cognitive Radio） | 通信技术 |
2007 | 增强现实（Augmented Reality） | 通信技术 |
2010 | 移动3D（Mobile 3-D） | 通信技术 |
2013 | 借助普通手机的大数据分析（Big Data from Cheap Phones） | 通信技术 |
2015 | 汽车间通信(Car-to-Car Communication) | 通信技术 |
2004 | 电网控制（Power Grid Control） | 智能电网 |
2005 | 量子导线（Quantum Wires） | 智能电网 |
2011 | 智能变压器（Smart Transformers） | 智能电网 |
2014 | 智能并网发电（Smart Wind and Solar Power） | 智能电网 |
2007 | 新型光聚焦技术（A New Focus for Light） | 其他 |
2007 | 数字压缩成像（Digital Imaging, Reimagined） | 其他 |
2007 | 个性化医用监控仪（Personalized Medical Monitors） | 其他 |
2008 | 原子磁力计（Atomic Magnetometers） | 其他 |
2010 | 社会化电视（Social TV） | 其他 |
2010 | 植入式芯片（Implantable Electronics） | 其他 |
2013 | 智能手表（Smart Watches） | 其他 |
2014 | 头戴式显示器（Oculus Rift） | 其他 |
在新器件和新工艺方面包括柔性晶体管、硅光子学、万用记忆体、概率芯片、无线电源、赛道内存、3-D晶体管等，低功耗、高效能和普适性的新一代电子元器件代表着未来发展方向。
柔性晶体管（Flexible Transistors）为普适计算打开了一扇便宜而且柔性的电子大门，可用于制造既便宜又柔性的显示器，从而可以把报纸、产品标签和衣物数字化。柔性晶体管与现在坚硬结构的晶体管不同，它可以用在会被卷起、缠绕或弯曲的包装中，这种品质使用户可以拥有能被卷起的显示屏。IBM的材料科学家CherieKagan领导了一项被自然科学（Science）杂志封面报道的研究工作，一种传导电流的无机半导体tin iodide与一种调整结构的有机材料phenethylammonium被混合到分离的层上，来制作一种比人的头发还细薄的涂层，使在室温下实现上述技术成为可能。柔性晶体管可以用来取代计算机显示器中的非晶硅。这项技术未来的应用可能包括：能够被卷起且能在用户的口袋里携带的计算机显示屏。2008年底惠普实验室与美国亚利桑那州立大学（FDC）共同推出了一款经济型的可卷曲电子显示器原型。这种可卷曲显示器几乎完全由塑料制成，厚度像纸一样薄。与现在的电脑显示器相比，这种技术可以让显示器更易于携带，消耗更少的能量，而且制造成本非常廉价。
硅光子学（Silicon Photonics）可以开发计算机内部的像光纤一样的新一代导线，以使内部传输数据的速度加快。而若让硅也能发光，则可以使上述问题得到解决。但让硅发光是一个极难解决的问题。2004年秋天，美国加州大学洛杉矶分校的一个研究小组实现了让硅产生激光的梦想。2005年2月，英特尔公司科学家又制成可连续发出激光的硅激光器以及硅调制器。英特尔公司相信，硅激光器将是提高计算机速度极限的有效方法。但最终实现同一芯片上元器件间的光波通信，还要一定的时间，并降低硅激光器的成本以及减少其复杂性。
万用记忆体（Universal Memory）利用纳米管的物理取向，实现超密度数据存储。它属于下一代超大、低功率存储信息系统，有可能取代从闪存到硬盘的多种信息存储器。据估计，20年内人们可以在笔记本计算机内存储所有已制成的DVD盘内容。目前由Nantero公司研发称为“悬浮碳纳米管”存储，是让碳纳米管悬浮在电极上空几纳米处，使碳纳米管与电极之间没有电流通过。这一状态代表数字零。当微弱电压加到碳纳米管上时，碳纳米管下垂，同电极接触，而等于存储数字1。该公司称，目前他们制出的存储器，每平方厘米能存储1亿位信息。通过进一步改进，每平方厘米硅片可存储1万亿位信息。除了“悬浮碳纳米管”存储方法外，摩托罗拉和IBM公司正研发“磁随机存取存储器”，而惠普公司在研发“分子存贮器”方面处于领先地位。
概率芯片（Probabilistic Chips）给计算机芯片引进一些不确定性，将能延长移动设备中的电池寿命，也许还能将摩尔定律延续下去。美国莱斯大学Krishna Palem开发了一种用计算精度的微小损失来换取耗电明显减少的芯片制作技术。他的概念有一个很长的名字叫“概率互补金属氧化物半导体技术”，简称PCMOS。帕勒姆认为对于许多应用领域，特别是像音频或视频处理这样的领域，最后的结果并不是一个数字，因此追求最高精度是没有必要的。相反，芯片可设计成某一时段产生正确的答案，但在其他时段只需接近正确答案即可。这样将计算的准确率放宽一些，哪怕是一点点，都能产生明显的节电效应。在几年之内，采用这样设计的芯片可以提升诸如音乐播放器和手机等移动设备内电池的使用寿命。但在10 年后，帕勒姆的想法可产生更大的影响力。届时，硅晶体管将是如此的小，以至于工程师们已不能精确地控制它们的行为：晶体管将具有内在的随机性。于是，帕勒姆的技术对延续摩尔定律变得更为重要，晶体管密度呈指数级增长，从而计算能力已将持续40 年。在手机、笔记本电脑和其他移动设备中，图像和声音的处理消耗了相当大部分的电池能量，而PCMOS 芯片将有可能增加十几倍的电池寿命而不损害用户的体验。PCMOS在采用概率算法的应用领域也大有用武之地，如加密技术和机器学习。这些领域的算法通常设计为达成一个近似的答案。因为PCMOS 就能做这样的事情，所以今天必须用软件才能做的事，PCMOS在硬件上就能达成，而且还能在节电和速度上获益多多。帕勒姆研究团队已经制作出了一个加密设备，并开始进行测试。他们也正在设计一个图像设备及一个可让人们调节手机电力消耗和性能的芯片，这将为消费者可选择会消耗更多电力的高视频或通话质量，还是选择能节约电力的较低质量。
无线电源（Wireless Power）是麻省理工学院物理助教授马里恩·索佳西奇发明的一种利用磁共振技术用无线方式传送电力的技术，可为手机、PDA和笔记本电脑等便携式设备充电或供电的中距离输电方式。既有效又安全的方法，又不会在周边环境中损失能量。在同事的协助下，他设计了一个简单的装置，以无线方式给一个60 瓦的灯泡供电。迄今，最有效的设置为60 厘米的铜线圈和一个10 兆赫兹的磁场。电力传输距离超过2 米，效率约为50%。研究人员正在研究银和其他材料，以减小线圈的尺寸和提升效率。无需连接线就可给电池充电的其他方法正在不断涌现。很多先进技术创新公司已经向市场上推出这样的适配器和基座，这些产品允许用户在家里，在某些情况下也可在车里以无线方式给手机、MP3 播放器及其他设备充电。索佳西奇的技术与他们的不同之处是，未来某一天，无论什么时候设备进入无线发射器的范围内，无需基座就能实现设备的自动充电。这项工作已经吸引了消费电子公司和汽车业的目光。美国国防部也给这项研究投了资，期望它能给战士提供一种给电池自动充电的途径。
赛道内存（Racetrack Memory）是IBM的磁性材料专家StuartParkin开发出的一种存储信息的全新方法。这个全新的内存芯片拥有磁盘驱动器的巨大容量，又具备闪存的耐用性，而且速度比两者都要快。赛道内存将数据存储在垂直纳米线中，因此，理论上它能在同样大的区域内存储比闪存芯片晶体管多100倍的数据。因为它没有机械部件，所以它的可靠性比硬盘高。赛道内存的速度与计算机中频繁访问数据的动态随机存储器（DRAM）一样快，它甚至可在计算机电源关闭的情况下保存信息，这是因为在读取或写入数据的过程中没有原子的移动，从而消除了纳米线上的磨损。更密集、更小的赛道内存将使计算机更加紧凑和节能。未来，拥有超大数据容量的芯片将能缩减到灰尘斑点大小，可撒入微型传感器环境中，或植入病患体内来记录生命体征。如果赛道内存被证明是一个成功的设计，它必将取代其他所有形式的内存，帕金也将得以巩固其“磁记忆体天才”的地位。毕竟，他对巨磁电阻的研究导致了今天高容量硬盘的出现，改变了整个计算机行业
3-D晶体管（3-D Transistors）是Intel公司研发的最新技术，可在芯片上放进更多的组件，帮助处理器显著地提高能源效率和处理速度。英特尔将由此创建出更快和更节能的处理器。由于几乎没有漏电流，3D晶体管可更加清晰和快速地开启和关闭，设计师不必担心漏电流被误认为“开”的信号，所以其可在低功率下运行。英特尔宣称其3D晶体管的开关速度提升了37%，且能耗降低了一半，更快的开关速度意味着更快的芯片。此外，由于其封装体积更小，晶体管的安排可更为紧密，信号在其间的运行时间也越短，从而进一步提高了芯片的运行速度。节电和性能提升将使手持设备大放异彩，因为更小的晶体管使单芯片处理内存、宽带通信、GPS（全球定位系统）等多项功能成为可能，而目前上述每项功能都必须有单独的芯片来处理。使用更少的芯片和更小的电池，很多电子玩具将在更小的包装下实现更多功能。
计算机软件技术方面包括数据挖掘、数字权利管理、自然语言处理、解开程序代码、软件可信性、万能翻译、突发事件建模、离线Web应用、现实挖掘、智能软件助理、实时搜索、云编程、手势界面、云端流媒体、防崩溃代码、协同办公软件、3D虚拟现实、Apple Pay移动支付等，数据挖掘、云计算和可穿戴设备成为亮点。
数据挖掘（DataMining）又称数据库中的知识发现(KDD)。数据挖掘前景广阔，目前已被证明有着广泛而又惊人的应用。例如，它帮助美国航空航天局自动测定在20亿个观测到的天体中哪些是恒星，哪些是星系。随着因特网把信息源源不断地送到每个人的桌面上，数据挖掘的在企业界应用越发广泛。文本数据挖掘能够从大量自由格式的文本文件中抽象出意想不到的关系。而视频挖掘则能综合利用语言识别、图象理解和自然语言处理技术，把世界上大量视频文档交给计算机进行高效搜索。数据挖掘技术发明人Fayyad希望这项技术最终能完全集成到标准的数据库系统中。
数字权利管理（Digital Rights Management）是内容保护公司推出的“电子内容革命的催化剂。它将允许内容的所有者进行比以前任何时候更广泛、更深入的营销。你可以查看谁在把你的内容传给了谁。”本质上看，数字权利管理是一套具有内建电子业务收银机功能的加密方案。用户要想得到加密内容的密钥，必须付钱或者提供电子邮件地址。数字产权管理提供商提供保护工具，条件则由内容的所有者设定。这项技术必将在互联网时代知识产权保护方面的发挥巨大作用。
自然语言处理(NaturalLanguage Processing)包括可以进行听写的商用语音识别软件，可以使聋哑人发声的话语生成设备，以及足以很好地“理解”发音清晰的英语提问并从数据库中找到正确答案的软件等。此外在实验室中还诞生了可以同计算机进行深入对话的新一代接口。这一技术是语言识别、自然语言理解、语境分析、世界知识、推理能力以及话语生成的复杂集成。当然，已开发的原型设备只能谈一些严格界定的话题如天气预报，或当地的电影放映表。但美国国防部先进研究计划局正开发范围广泛的对话接口，这种接口最终还将包括理解肢体语言及其他形式的视觉交流。未来人们可以同每一个足以容纳一块芯片的物体进行交谈。
解开程序代码（Untangling Code）是面向Aspect的编程，是一种让软件编写人员走一些捷径的技术。这样的“捷径”功能之一是运行记录，即对应用程序进行的每一步操作进行跟踪和记录的能力。因为任何给出的命令都有可能接触到一些与功能无关的编码区域，所以程序员现在必须制定一条规则，例如当向应用程序添加一项新功能时，总是要加上一条跟踪语句。其他的捷径功能包括安全和协同，即确保两个用户不会同时访问相同数据的能力。这两方面都要求程序员把同样的函数语句写进应用程序的很多不同区域。甚至一个小应用程序也很容易出现100个捷径问题。程序员试图跟踪这些重复情况，这样当一种功能需要修改或升级时，可以在整个程序中统一进行。但是跟踪这些捷径问题很容易出错。不列颠哥伦比亚大学教授Kiczales提出的解决方案是在程序设计语言中创造一个新的分类“Aspect”。Aspect允许程序员把捷径问题当作一个单独的实体进行编写、查看和编辑。一旦程序员感到满意了，他只需敲一下键盘就可把Aspect 编进所需要的编码中。通过把Aspects的创意纳入Java的新扩展语言，Kiczales使它从实验室走到了现实世界中，他希望借此使Aspect 成为编程语言中的普通话。
软件可信性（SoftwareAssurance）可以有效避免软件的缺陷引起的计算机故障。一般地说这些故障造成的后果是很小的。但是当软件操纵复杂的分布式系统，如那些支持空中交通控制或医疗设备的系统时，一个出错的代价是非常高昂的，甚至会付出生命。为了避免这样的灾难，林奇等人正在创造他们希望的能编出几乎无错误的软件的工具。麻省理工学院计算机科学实验室林奇等人为使软件开发更严格而开发了一种计算机语言和编程工具，使编程人员可以在编写软件之前进行有关软件的模拟、测试和推理。如同其他很多工作一样，林奇等人的方法是从称为“抽象”的概念开始的，其思想是从对程序目标的高度概括开始，然后写出一系列更加详细的逐步说明，描述该程序可采取的达到目标的步骤和它如何执行这些步骤。他们开发了一种数学模型，使编程人员更容易判断一组“抽象”是否可以使分布式系统行为正确。她用这种模型创造了一种计算机语言编程器，用以编写“伪代码”以描述程序应该做些什么。这些工具指导编程器注意一般软件测试可能检查不出来的许多出错环节，从而有助于保证软件总是正常地工作。
万能翻译（UniversalTranslation）软件有助于不同语言和文化背景的人相互沟通，将广泛应用于商务会议、文件研究、监视、旅游业以及医疗护理、军事后勤等领域。近年来人们对计算机翻译提出了更准确、更有效和适应多语种的要求, 而IBM的沃森研究中心的高宇清（音）的工作正处于这一研究领域的最前沿。与逐字翻译网上文件的商用系统不同, 她所开发的软件着眼于所谓的语义分析：提取文本或讲话中最可能的含义, 按概念分类存储, 然后用另一种语言把同样的思想表达出来。这样如果计算机里存储了足够的语义概念, 就会很容易将一种新的语言与网络相连接, 而不必为汉语-阿拉伯语或英语-阿拉伯语的翻译机分别编程了。当然, 口语翻译需要将语音转换成文本, 对文本进行辨析, 再用语音合成技术输出翻译结果。高宇清和她的同事将语义分析同统计算法结合起来, 使计算机能通过文本和人工翻译的比较来学习翻译模式。由她们开发的中英文翻译软件, 已先后在笔记本电脑和个人数字助理上得到应用。它收人的词汇量只有几千个, 却足以满足日常谈话的需要，在有关医疗护理和后勤的交谈中精确度达到了90 %。驻阿富汗和伊拉克等地的美军士兵也开始应用有关系统。
突发事件建模（Modeling Surprise）将洞察人类心理的大量数据结合起来，让机器学习就能帮助人类管理异常事件。例如，下一次飓风将在何处登陆？股票市场将如何对房价的下跌做出反应？谁又能赢得下届总统的选举？利用这一技术研究过去曾遭遇过的异常事件，然后建立起未来可能会发生该类异常事件的模型。由此得出的结果可能会对从卫生保健到军事战略、从政策到金融市场等广泛领域的决策者提供帮助。从2003 年起，霍维茨和他的研究团队一直在微软公司开发和测试一个交通预报服务软件-SmartPhlow。软件可以在台式机和微软掌上电脑设备工作。研究团队添加了一个只在异常情况下才予以提醒的软件，这里异常情况指的是交通开始出现许多人不曾预想的瓶颈或从慢性堵塞变得神奇畅通之时。研究人员一旦发现一个异常的统计结果，他们就回溯30 分钟到交通似乎正按照期望在流动的地方，然后运行机器学习算法来找出该模式内的微妙之处，从而可让他们预测出异常情况。 目前很多智能手机上已经安装了这项服务，并和微软公司交通与路由部一起将其商品化。专家预计，在专家对某个市场的房屋价格、道琼斯工业平均指数或是货币汇率的变化感到惊奇时，异常建模都能预测得到。他称，该技术甚至还能预测商业趋势，在过去几十年里，许许多多的公司就是因为没有预见到技术兴起导致竞争局面的改观而倒闭。
离线Web应用（Offline WebApplications）是利用HTML 和Flash 等网络技术开发出来的，它能将用户电脑及互联网上的资源充分利用起来。利用Adobe 系统软件公司首席软件设计师凯文·林奇开发的AIR（Adobe集成运行时）系统，程序员就可以利用网络技术，开发出用户在线或离线时都能运行的桌面应用程序。利用AIR，开发人员可以使用像HTML 和Flash这样的网络技术编写桌面软件。用户不用寻找到AIR 就可享用它的好处，当用户想要首次使用AIR 应用程序时，将会提示用户下载它。Adobe 公司正携手合作伙伴展示AIR 的性能。例如，流行拍卖网站eBay已经发布了基于AIR 测试版本的应用-易趣桌面，该设计旨在提高客户的招标体验，这一应用本身就能检索和显示有关易趣拍卖的内容而不依赖浏览器。它还能充分利用用户电脑的处理能力，提供比网站更强大的搜索工具。例如，它可以为相关关键词扫描搜索结果，这个过程在桌面上工作得更好，因为应用程序可以存储和快速访问用户电脑上大量相关资料。
现实挖掘（Reality Mining）可利用从移动电话所收集的数据来分析人类的行为。通过分析来自个人和群体的数据生成模型，能完成自动安全设置，个人安全助理以及监测个人和社区健康。这种被称为“个人现实挖掘”的技术，可通过手机传感器收集位置、物理活动等各种信息，应用数据挖掘算法推知人类关系和行为。还能帮助预测疾病爆发，为个人健康提供线索。现实挖掘是一切关于关注生活模式，并利用这种信息帮助完成诸如设定隐私模式、分享信息、告知等事情—也就是帮助人们生活。利用手机中的其它传感器，如麦克风或最新苹果等最新手机中的加速计，甚至能将现实挖掘的好处扩展到个人健康护理。目前许多手持设备目前具备低端桌面电脑的处理能力，也能收集更多数据，由于GPS芯片等设备能定位，预计在未来几年，现实挖掘将更为普遍。
智能软件助理（Intelligent SoftwareAssistant）采用“执行引擎”方式，不仅能搜集信息，而且使人们能与网络服务进行互动，帮助人们更有效地处理生活问题和完成各种任务。虚拟个人助理软件将目标定位于移动用户，并只能执行特定的功能，如帮助预定餐厅、检查航班情况或计划周末活动等。用户可用键盘或语音随意输入一个句子，软件就会从句子的内容中辨识出用户的意图。系统与多个在线服务网站相连，这样就能快速进行交互，完成一些通常必须登录网站才能完成的小任务。智能软件助理将给人们的生活带来难以置信的体验，帮助人们更有效地处理生活问题和工作任务。
实时搜索（Real-TimeSearch）可以实时挖掘社会化网络的大量瞬时信息，并提供与传统Web搜索相同质量和价值的信息，从而改变我们发现信息的方式。人们可以用它来监控数据流，包括tweets、状态更新和标题等，从脸书和推特到博客和新闻板。系统也可以将信息内容与智能手机和移动计算机传输的地理位置数据或Foursquare的广播服务相结合。例如，一个接近地震震中的人所发送的信息就比距离几百英里外的人的信息更有价值。
云编程（CloudProgramming）将改进在线应用。来自加州大学伯克利分校的JosephHellerstein提出了Bloom语言，使开发人员能够用熟悉的编程方式快速构建任何一种基于云计算的应用，譬如，社交网络、新型企业计算、线上游戏和无线传感器网络监控等等。主要思路是修改数据库编程语言，使其用于快速构建任何云应用程序。这种语言内置动态数据的概念，隐藏了从大型数据库中读写数据的复杂性，大大减轻了程序员的工作。Bloom于2010年末发布，目前已应用于在线多人游戏等实时应用，或用于观察地震和海啸的警告信号等。
手势界面（GesturalInterfaces）是一种3D视觉系统，任何人都可以通过在空中做出手势来控制计算机。通过手势识别操作能够将复杂的工作简化，这项技术目前被应用在电视、车在计算机系统以及一些信息显示系统中，用于沟通、导航以及娱乐等服务。微软从Alexander Shpunt创办的PrimeSense NaturalInteraction公司购买了该技术并将其应用到了Kinect产品上，成为目前最成功的身体感应和手势识别产品。这个技术就是一个可以感知深度的摄像机，它能够在背景当中识别人的动作，比如说我在一个屏幕之前直接通过动作就可以操作电脑，而不需要通过键盘和鼠标操作。随着未来互联网电视更加普及和易使用，我们在任何地方都能够操作这些系统，站在人们面前进行操作。
云端流媒体（CloudStreaming）可以将移动设备的输入送到数据中心运行的软件上，并将软件响应以视频流的形式快速传回，让移动设备成为高性能软件的远程终端，不怕数据丢失或延迟。通过这款Steve Perlman创办的OnLive公司提供的视频压缩技术，你想使用的软件和软件都存在远程服务器当中，通过云计算登录就可以在iPad上做很多电脑上能做的事情，这是非常强大的应用。有了这个技术以后我们的移动工具能够有更广泛的应用，能够改变我们现在所存在的数码鸿沟，可以通过云计算使用这些数据更加便捷。此外，这个系统还会有持续检测网络连接质量、增加视频压缩数量以及降低带宽要求等功能。
防崩溃代码（Crash-ProofCode）是电脑安全的守护神，让电脑能免除崩溃问题。如果计算机控制着航空、航天或医疗设备的关键系统，那么软件错误带来的结果可能是灾难性的，有研究人员通过对关键代码进行形式验证，提高了整个系统的可靠性。研究人员数学方法进行重新建模和演算，验证代码会不会崩溃。通过制作操作系统最重要的防崩溃代码，来防止程序错误。
移动协同办公软件（Mobile Collaboration）能够卓有成效地在平板电脑和手机等移动设备上创建和编辑文件。同时，云端文件存储服务，包括Box, Dropbox, Google Drive, 和微软的¬OneDrive—成本大降，用户大幅攀升—帮助同步保存结果，即使在多用户同时对一份文件进行操作时。一些云服务通过统一文件的不同用户的分别入口—段落，文字，甚至个别字符—更容易地操控数据库。这使得他们能够平稳地追踪和合并不同人在不同时间的变化。新的移动协同服务不仅仅复制我们已经在桌面计算机上熟知的软件，也更突出团队工作的特性，让团队能追踪，并及时告知后来加入工作的人，并激发新的点子。
3D虚拟现实（MagicLeap） Magic Leap是一家初创企业，投入近5亿美元开发了一款能让虚拟物体看上去像在现实生活中一样的设备。这是一项3-D图像技术创新，将为电影、游戏、旅行和通信等行业带来新的发展机遇，预计这项技术1-3年可成熟。微软公司也在发展这一技术。
Apple Pay移动支付(ApplePay) 信用卡欺诈案件给经济带来了危害，同时也增加了商品和服务的成本。苹果的移动支付服务使用户可以在日常生活中将手机变为钱包，实现快捷而安全的支付。这项技术目前已经成熟。关键厂商包括苹果、Visa、万事达卡公司、谷歌等。
在自动控制与人工智能方面包括机器人设计、贝叶斯机器学习、生物机电一体化、生物机器、深度学习、记忆植入、神经形态芯片等，智能机器和信息技术在脑科学中的应用成为热门技术。
机器人设计（Robot Design）是布兰代斯大学计算机科学副教授波拉克展示的一种自动化的机器人设计和制造技术，安排计算机去构思、测试甚至制造每个机器人系统的结构，使机器人的设计和制造完全自动化：简言之，就是用机器人制造机器人。可以大大降低机器人设计和制造成本。预计这种革命性方法将在5-10年内带来第一批廉价工业机器人，有望赋予机器人更多复杂性，免去为每个不同任务定制一种机器人的巨额投入。随着时间的推移，机器人的价格越来越低、功能越来越强大。
贝叶斯机器学习（Bayesian Machine Learning）是美国斯坦福大学的Daphne Koller副教授运用概率论中的贝叶斯统计学所开发的程序, 它们在解决基因怎样发挥功能等问题的同时, 也深人揭示了有关不确定性这一计算机科学中长期悬而未决的难解之谜的真相。该技术基于贝叶斯数学概率的程序收集大量的数据, 然后由计算机自行推断出其间可能存在的联系或“从属性”。这一点之所以重要, 是因为新的生物医学技术提供的数据浩如烟海, 使研究人员难以解开其间相互纠葛且扑朔迷离的关系, 结果放慢了寻找特效新药的速度。程序对上千种基因数据进行了梳理, 也测试了某些基因活动可从其他基因的变化上得到解释的概率。特别是她在扩展贝叶斯编程器运用的视觉模型后, 以图像形式显示了物体及其性质和关系。目前,研究人员正在设法使这些方法适应各种实际用途的需要,并已推出了能自动绘测废弃地雷区的机器人。英特尔公司也开发出可对半导体晶片上的试验数据进行解码的程序。利用贝叶斯技术设计的程序在市场上也很走俏, 例如微软Outlook2003中就包含有贝叶斯office助理。英国A-gena公司研制的贝叶斯软件, 可根据收视率的高低将电视节目推荐给卫星和有线电视用户。
生物机电一体化(Biomechatronics)的主要目标，是将机械同人体神经系统相结合，以产生像真人四肢一样的更精确控制的新一代人工假肢。传统假肢常常会同使用者分离，特别是膝关节以上的截肢者，常会发生绊倒及走路失态。美国麻省理工学院媒体实验室希尔教授目前正在研发可精确操控的可靠假肢。如今，市场上出售的一些改良型假膝关节已装入微处理器，使假肢能自然弯曲，帮助使用者行走。而希尔研发的假膝关节更为先进，装入的传感器能测量膝关节的弯曲程度及使用者步行时施加给膝关节的力度。希尔也在研究新一代人工假脚踝。而他所从事的研究工作就是生物机械电子学的一部分。在生物机械电子学领域，研究人员正在建造能同使用者神经系统连为一体的机器人假肢。据希尔预测，今后5至7年内，脊髓受伤的患者将可通过控制新一代人工外骨骼，移动假腿，重新行走。由于美军入侵伊拉克，许多被截肢的士兵返美后，需要安装更好的假肢。美国退伍军人部已投资720万美元，支持希尔等人制造更逼真假肢的研究工作。
生物机器（Biological Machines）是美国加州大学伯克利分校的助理教授Michel Maharbiz制造的一只活的生物甲虫（花金龟）。它由工程师通过无线控制，体内植入了接收器、微控制器、微电池及6个精心安置的电极，通过集成先进的微细加工技术、更小巧的电源和日益复杂的微机电系统（MEMS），创建能与昆虫的神经系统进行有效沟通并加以控制的输入输出机制的接口。它的有效载荷不及一毛钱硬币，体重还不到一片口香糖的重量。通过给其大脑和翼部肌肉提供远程的电子激励，工程师就能使这只生物机器甲虫起飞或停飞。设备能从环境中收集、处理、存储信息，并基于这些信息采取行动。这样的应用可能会包括：取代受损器官的组织。研究人员希望未来有一天将甲虫能携带传感器或其他设备到达人类或从事搜索和救援任务的地面机器人不易接近的地方。这种生物机器甲虫很便宜，材料成本仅5美元，电子部分也很容易用现成的大部分元器件制成。
深度学习（Deep Learning）是一种有着多种用途的人工智能方法。借助海量的计算能力，计算机已经可以识别物体，并实时进行语言转换或翻译，使得人工智能变得更加聪明。深度学习软件试图模仿大脑皮层神经元的活动，产生思维的80%大脑褶皱。软件很真实地学习识别声音、图像和其他数据等数字模式。软件能用人为“神经网络”模拟模拟大脑皮层的大规模神经元阵列。由于算法的改进和计算机能力日益强大，目前计算机科学家较从前能模拟更多的神经元层次。所有这些让AI研究人员谨慎乐观，智能机器可能最终从科幻小说中走向现实。实际上，机器智能正改变着从通信到医学、制造和交通等许多事情。目前深度学习已经改进智能手机的语音搜索。谷歌在2012年7月新安卓系统中，Dean及其团队基于深度学习帮助部分替换了语音系统。由于神经元的多层允许对许多声音进行更精确地训练，系统能更好地处理声音识别，尤其是在诸如地铁这样的噪音环境中。
记忆植入（Memory Implants）能够破译大脑形成长期记忆的密码。通过植入电极的方式，人们将可能恢复建立各种脑损伤后的长期记忆。在2012年秋天南加州大学的Berger及其合作者展示其也能帮助猴子从存储的脑中一部分恢复长期记忆。耳蜗植入目前通过将声音转换为电信号并传递到听觉神经，帮助200,000聋子恢复听力。同时，早期试验显示植入电极能让瘫痪病人按照其想法移动机械臂。其他人也在盲人的人工视网膜研究取得初步进展。2012年，科学家发表了灵长类前额皮质实验，前额皮质是大脑负责找回海马体产生的长期记忆的而一个部分。他们在猴子大脑装入电极捕获前额皮质形成的代码，他们相信允许动物先前看到的一幅图像。然后用可卡因麻醉猴子，损害大脑的那个部分。利用植入的电极发送正确代码到猴子的前额皮质，研究者显著提升动物图像识别表现。
神经形态芯片（NeuromorphicChips）配置了微处理器，模拟生物意义上的大脑，它们可以迅速让计算机感知周围发生了什么事情，能够实时模拟大脑处理信息的过程，处理感觉数据，如图像和声音，并根据数据的变化做出反应，而非根据特定编程,有助于科学家们制造出能同周围环境实时交互的认知系统，促进人工智能技术发展。未来装有这种芯片的医用传感器和设备可以跟踪个人的健康信号和随时根据反应做出治疗，学习调整剂量或甚至早期发现问题。智能手机能学会预测你下一步想要啥，如你将要会见的某人的背景或提醒你离开参加下一个会见。Qualcomm的芯片最早要到2015年推出，将是第一个最大规模的神经元计算商业平台。有希望取得突破的大学和合作实验室如IBM Research 和HRL实验室，它们分别在DARPA的1亿美元资助下开发出了神经形态芯片。同样，欧洲Human Brain Project花了大约1亿欧元用于神经形态芯片项目，包括Heidelberg大学和曼彻斯特大学。德国另一个小组最近报告使用神经形态芯片和软件模拟昆虫的气味处理系统来认知不同植物的花。
（未完待续……）
其他主题系列陆续整理中，敬请期待……